1. 研究背景
作为乡村振兴战略的重要支撑，“数字乡村”建设正以前所未有的深度和广度重塑着农业农村的发展格局。根据《中国互联网络发展状况统计报告》显示，中国网民人数在2024年底前已达到11.08亿，短视频用户规模也突破了10亿人，网络购物用户规模达9.74亿人，占网民整体的87.9%，同时实数融合加快落地乡村基层，数字乡村建设有序推进，“寄递 + 农村电商 + 农特产品 + 农户(合作社)”模式广泛推广[1]。短视频平台购物已经成为一种新型的网络态势。2025年1月，中共中央、国务院印发了《乡村全面振兴规划(2024~2027年)》，指出“实施农村电商高质量发展工程”，明确要求“推进县域商业体系建设，健全电子商务和物流服务体系”[2]，体现了党和国家对以电商直播为代表的新媒体技术的高度重视。
新媒体不仅可以依托社交软件以及电商渠道，直接连接生产者与消费者，缩短流通环节，降低交易成本，还能够帮助赣南农民打破传统营销思维，能为商家原本积累的客户群体提供“零距离”沉浸式购物场景，增强他们的购物满足感，还能通过更直观的农产品采摘、加工、包装展示，增加农产品的曝光度，吸引潜在客户的关注，进而带动店铺业务的拓展和市场份额的扩大[3]。同时能激发赣南本地创业热情，吸引人才回流。“三农”与新媒体紧密结合，成为破解赣南农业发展困境、实现乡村产业振兴的一条关键路径。
本研究运用CiteSpace软件进行了深入分析，如图1 CiteSpace关键词共现图中“乡村振兴”处于中心位置，与新媒体、农产品、农村电商、直播带货等关键词联系紧密。说明这些主题在新媒体与乡村振兴研究中是高频共现的内容，反映了该领域的研究热点集中在新媒体如何助力乡村产业发展等方面。
Figure 1. CiteSpace keyword co-occurrence network
图1. CiteSpace关键词共现图
在数字乡村建设快速发展的今天，新媒体与乡村振兴关系日益密切，联系愈加紧密，新媒体对筑牢数字中国根基、拓宽农民增收渠道意义重大，成为了赋能乡村振兴的“新农具”，是实现智慧农业发展的新动力[4]。本研究基于理论分析和实地调研，分析赣南农业生产与销售环节运用新媒体工具的现状，系统探究新媒体在乡村振兴中的关键作用，挖掘赣南地区农村特色产业发展存在的问题，并提出对应改良对策，具有重要的现实需求和研究价值。
2. 研究设计
2.1. 研究对象
本研究以赣南各县(区、市)为第一阶段抽样单位(PSU)，采用概率与规模成比例(PPS)的累积码法进行抽取。首先选取各县区的人口规模(万人)为规模量Mi，据此为每个县区分配相应的代码数并形成不重叠的累计代码区间，得到总代码数
(见表1)。随后设定样本量k = 6，在区间[1, M0]内独立生成6个均匀随机数：480、278、132、216、418、19。将每个随机数映射到累计代码区间，对应落入的县区即被抽中，分别为：于都县、信丰县、石城县、定南县、崇义县、全南县(代码区间分别为429~510、269~336、117~141、200~228、402~428、1~25)。若出现重复落点，则按系统抽样常规处理顺延至下一个未抽中的区县，以实现近似不放回的PPS选择。第二阶段在入选县区内按角色分层(特色产业负责人、农户、村委会工作人员、网络问卷受访者)实施配额抽取和问卷发放。调查全程匿名，受访者在知情同意基础上自愿参与。上述流程及随机数与入选样本的对应关系(见表1)与抽样记录。
Table 1. Codes by county/district
表1. 各县区对应代码数
县区 |
人口数(万人) |
Mi |
代码 |
全南县 |
16.95 |
25 |
1~25 |
兴国县 |
71.51 |
60 |
26~86 |
上犹县 |
26.86 |
29 |
87~116 |
石城县 |
28.32 |
24 |
117~141 |
安远县 |
34.64 |
26 |
142~168 |
寻乌县 |
28.02 |
30 |
169~199 |
定南县 |
20.99 |
28 |
200~228 |
会昌县 |
45.15 |
39 |
229~268 |
信丰县 |
67.38 |
67 |
269~336 |
宁都县 |
70.24 |
64 |
337~401 |
崇义县 |
17.78 |
26 |
402~428 |
于都县 |
90.54 |
81 |
429~510 |
大余县 |
26.50 |
31 |
511~542 |
章贡区 |
112.33 |
157 |
543~700 |
南康区 |
88.85 |
108 |
701~809 |
赣县区 |
57.63 |
63 |
810~873 |
瑞金市 |
61.39 |
50 |
874~924 |
龙南市 |
31.92 |
48 |
925~973 |
2.2. 研究方法
本次调查以问卷调查法为主，深层访谈为辅。调查结合统计分析法和文献研究法等研究方法，从定性和定量两方面展开进行综合验证。分析了新媒体中各类因素对于赣南特色产业的推动情况。问卷调查从2024年4月开始，以纸质问卷和电子问卷为载体，采用分层抽样和系统抽样两个阶段的抽样方法。调查内容包括询问对象的基本信息、对新媒体在乡村振兴中的作用认知、新媒体对乡村特色产业发展的推动情况，对利用新媒体推广乡村特色产业的意愿和看法，以及新媒体对当地乡民生活的影响。具体问题涉及新媒体工具的使用、乡村特色产业的现状与挑战、新媒体在提升产业知名度和市场拓展方面的效果，以及未来发展的建议和期望。共发放4411份，最终回收有效问卷3936份。
此外，在本次调查中团队先对赣南6县区的新媒体公司、电商工作室、农户、消费者以及在校大学生进行了抽样选取，后分成两个小组前往赣南地区的调查对象所在的单位于其工作时间展开线下访谈，共调研访问了金融机构高管35人、企业法人58人，访问农户242户。
2.3. 研究工具
本研究从新媒体助农受众、农产品牌形象、农业直播营销和新媒体对农户生活影响三个维度展开编制了三套调查问卷。问卷一《赣南脐橙品牌形象与消费者忠诚度调查问卷》核心聚焦于新媒体传播对赣南特色农产品品牌认知、形象塑造及消费者购买行为与忠诚度的影响；问卷二《农货直播营销现状与发展趋势调研问卷》则重点考察赣南地区农产品直播营销的实践现状、运作模式、参与主体体验、效果感知以及未来发展方向，涵盖主播、运营者、供应链参与者及观看者等多方视角；以及问卷三《新媒体对农户生活影响情况调查问卷》深入探究新媒体技术在赣南农户日常生产、经营、生活、信息获取、技能提升及社区联结等方面的渗透程度、实际效用与综合影响。问卷采用李克特五点计分法。
三套问卷各分为“被调查者基本情况、核心研究变量测量和意见征集”三部分：
第一部分是被调查者的基本情况，包含性别、年龄、学历、从业年限等，旨在收集受访对象的关键人口统计学变量和背景信息。用于后续分析中探究不同个人特征群体在新媒体技术接受度、使用行为模式、效果评价以及对新媒体赋能赣南农业的认同程度上是否存在统计学上的显著差异。
第二部分是核心研究变量测量。问卷一：重点测量消费者通过新媒体接触赣南脐橙信息的频率与渠道、形成的品牌认知度、品牌形象感知、购买意愿与行为、重复购买率、推荐意愿等，构建消费者忠诚度指标体系。问卷二：系统评估受访者参与农产品直播的经历、对直播内容与形式的评价、直播带来的实际效果感知和面临的主要困难与挑战。问卷三：全面考察农户新媒体使用习惯、新媒体在农业生产销售中的应用深度与模式、感知到的经济收益变化、非经济收益、遇到的障碍与风险以及对外部支持的需求。
第三部分在问卷末尾设置1~2个开放性问题，旨在收集定性见解，挖掘问卷封闭选项未能涵盖的深层信息，为研究提供更丰富的补充素材。
3. 预调查
在本次的预调查实施之前，考虑到多种影响因素的存在以及需要及时处理实地调研过程中可能遇到的问题，同时也是为了有效且迅速地修改问卷中存在的漏洞与不足，因此本次调查选择了位于江西省赣州市信丰县安西镇作为预调查的核心区域。研究采取了发放问卷与线下访谈相结合的方式，在目标群体填写问卷的同时进行询问，对研究主题和问卷内容进行讨论，征求被调查者的意见。针对某些存在歧义、过于抽象化不易被调查对象理解的问题，以及一些不必要的问题进行了删减，并对问卷中问题的顺序进行了合理的规划，为正式调查奠定了基础。
3.1. 预调查样本量的确定
利用计算公式：
n表示所需的样本量；Z代表置信水平的对应统计值，在统计检验中通常采用95%的置信水平，相应的统计值是1.96，置信水平越高，所得出的结论越可靠；P表示选项的概率，为了保守起见，取P = 0.5；E代表抽样误差，通常设定为5%，抽样误差越小，得到的结论越可信。根据计算，预调查样本量n应为384，考虑到可能会有无效问卷的情况，最终决定发放550份预调查问卷。
3.2. 预调查信度检验
本次预调查以江西省赣州市信丰县安西镇乡村特色产业项目周边一定区域内的人员作为主要的调查研究对象，采取了整群抽样集中施测的方式收取问卷。调查前在相关网络服务平台上查询了赣南脐橙产业园的开放时间和管理员上班时间，以避免错班现象的发生。在调查时，团队首先说明了调查的目的、内容以及原因，在获得同意后，以匿名方式开展了调查。由于现场人员主要是清晨聚集的老年群体，考虑到老年群体的平均文化水平，研究采取了提问式的方法来获取相关信息，且调查对象自愿参加。实地调查收集了100份问卷，通过信度分析，得到Cronbach’s alpha系数为0.879，大于0.75，效度分析KMO值为0.919，也大于0.75，显著性为0.0001 < 0.05，表明问卷的信效度良好，无显著性差异。
4. 数据处理与统计分析
本研究采用SPSS25.0分析处理数据。(1) 通过Cronbach α来检验问卷的效信度，主要考虑项目各维度之间是否具有较高的内在一致性。(2) 采用Origin软件作图对农货直播现状分析，并利用灰色关联度分析影响消费者购买意愿因素。(3) 采用PCA降维，提高数据处理效率的同时去除数据中的噪声和冗余信息，改善模型性能。并通过碎石图结合方差解释表格，得到品牌形象自变量与六个指标的关系函数。(4) 在获取品牌形象自变量之后，再运用梯度提升树(GBDT)回归模型建立了品牌形象与消费者购买行为之间的关联。(5) 采用描述性统计分析新媒体技术对农业生产、销售模式及日常生活产生的影响。(6) 使用Pearson相关性分析检验用户电商销售能力各个维度与是否为电商人才之间的关系，并在此基础上建立回归模型，为新媒体赋能改良提供理论依据。(7) 本研究还进一步对数字化基础设备以及用户对新媒体的满意程度进行了调研。
本研究采用Cronbach’s α信度系数法来检验问卷整体的效信度，主要考虑项目之间是否具有较高的内在一致性。
其中N为题数，
为第i题的题内方差，
为总分方差，r为题间相关系数总和。首先调查问卷进行信效度分析，结果如下：
Table 2. Overall reliability and validity analysis of the questionnaire
表2. 问卷整体信效度分析
KMO和巴特利特检验 |
可靠性分析 |
KMO取样适切性量数 |
|
0.883 |
Cronbach’s Alph |
项数 |
样本数 |
巴特利特球形度检验 |
近似卡方 |
45,119.941 |
0.794 |
34 |
934 |
|
自由度 |
780 |
|
|
显著性 |
0.0000 |
|
如表2所示，经过效度分析得出结论，Bartlett检验显著(显著性sig = 0.000)，KMO = 0.883 > 0.75，说明问卷效度良好，结果有效。进而进行信度分析，得α值为0.794 > 0.75，表示调查内容题目的信度比较好，各题间的一致性较好，调查样本量足够。
5. 新媒体助农受众情况分析
5.1. 农货直播现状分析
在当前农业现代化和农村经济发展的背景下，了解农村地区农产品销售的主要方式对于促进农民增收和优化农产品流通具有重要意义。为了更好地把握这一现状，开展了一项针对农村农产品销售渠道的调查研究。此次调查旨在深入了解农民在销售农产品时倾向于使用哪些方式，以及这些方式在实际操作中的优势和局限性。有助于为农村电商发展、农产品市场营销策略的制定提供有益参考。
如图2表明，绝大多数农户选择了通过直播销售、中间商收购、实体店来出售农产品，但也有一定数量的农户选择微信朋友圈等其他方式进行销售。农民的销售渠道正被新媒体逐步打开，突破原有销售惯性。以平台电商为代表的电子商务体系从根本上改变了以经销商为中心“银货两讫”的产品流通模式[5]。随着互联网的发展和农业现代化的推进，未来可能会有更多的农户探索新农货销售渠道，从自发走向自觉，以在与市场需求的直接对接中提高农产品附加值，达到农产品网络销售的优质优价。
Figure 2. Statistics of farmers’ sales channels
图2. 农户销售渠道统计图
5.2. 消费者购买意愿分析
Figure 3. Consumers’ e-commerce live streaming purchases
图3. 消费者电商直播购买情况
从图3可以看出，约有85.1%的消费者通过电商直播购买过农产品，充分展示了电商直播在农产品销售领域的巨大潜力。电商与农业的深度融合，不仅为消费者提供了便捷的购物体验，还打破了地域限制，从崎岖山路到数字坦途，让优质农产品沿着“云”端走出大山[6]。
5.3. 基于灰色关联度分析对影响消费者购买意愿因素分析
为了分析有哪些因素影响消费者购买农产品意愿，研究通过SPSS软件，采用灰色关联分析在购买人群中，农产品质量、直播风格、对主播的喜欢等变量与购买意愿的关联度作为大小来衡量对购买意愿的影响程度大小。图4显示，在新媒体直播购买农产品时，六大因素与消费者购买意愿之间都存在较高的关联度。消费者最看重农产品的质量。反映了现代消费者在食品安全意识上的提升，高质量的农产品因此成为首选，新媒体为消费获取农产品种植过程、检测结果等信息提供了便利途径。直播购物的快速普及，也使得对主播与直播风格的喜爱日益成为农产品销售的关键要素。
Figure 4. Grey relational analysis of variables and purchase intention
图4. 各变量与购买意愿的灰色关联度系数图
图4还证明了品牌的信誉与知名度是产品质量的有力背书，一个受欢迎的主播可以吸引大量粉丝关注，并通过个人魅力和推荐能力影响消费者的购买行为。赣南地理品牌的优化建设和农产专业主播的培育的重要性不言而喻。此外，情感营销通过讲述农产品的背后故事或制造共鸣点，有利于激发消费者的同情心从而促进销售。
5.4. 基于梯度提升树(GBDT)回归对消费者购买行为预测
5.4.1. 采用PCA(主成分分析法)对6个自变量进行处理
首先，通过KMO检验和Bartlett球形检验，发现KMO = 0.928 > 0.6，显著性为0.000 < 0.05，说明了题项变量之间存在相关性，符合主成分分析要求。考虑到赣南脐橙的资源稀缺性，政府引导与支持，文化认知，产品形象，广告宣传六个指标之间可能存在较高的相关性，为了确保回归模型的严谨，即自变量之间相互独立，先采用PCA(主成分分析法)对6个自变量进行处理，确保降维后的变量仍能具有90%左右的方差解释率，如下图5和表3所示：
Figure 5. Scree plot
图5. 碎石图
Table 3. System resulting data of standard experiment
表3. 标准试验系统结果数据
成分 |
特征根 |
方差解释率(%) |
累计方差解释率(%) |
1 |
4.521 |
90.428 |
90.375 |
2 |
0.149 |
2.594 |
93.022 |
3 |
0.132 |
2.521 |
95.543 |
4 |
0.109 |
2.322 |
97.865 |
5 |
0.092 |
2.135 |
100 |
由碎石图(见图5)可知，在因字个数2~6时，坡度区域平缓，再结合方差解释表格，确定降维后的自变量个数为1，并对该变量命名为品牌形象，得到品牌形象与六个指标的关系函数：
品牌形象 = 0.211 × 资源稀缺性 + 0.21 × 政府引导与支持 + 0.21 × 文化认知 + 0.21 × 产品形象 + 0.21 × 广告宣传
5.4.2. 品牌形象与消费者购买行为之间的关联
在PCA降维得到“品牌形象”综合变量后，本研究基于Python 3.10环境下的LightGBM 3.3.5模块构建梯度提升树(GBDT)回归模型。核心参数设定为：学习率0.05，迭代次数500，最大深度5，叶子节点数31，样本采样比例0.8，特征采样比例0.8，最小分裂增益0.0，最小样本权重1，损失函数采用均方误差(MSE)。模型训练与验证采用70%数据作为训练集、30%数据作为测试集的留出法，并在训练集内部引入5折交叉验证，以降低偶然性并抑制潜在的过拟合。如表4，各阶段均计算MSE、RMSE、MAE、MAPE及决定系数R2，以综合评估预测性能。
Table 4. Predictive model
表4. 预测模型
|
MSE |
RMSE |
MAE |
MAPE |
|
训练集 |
0.012 |
0.013 |
0.006 |
0.234 |
0.991 |
测试集 |
0.041 |
0.203 |
0.047 |
1.946 |
0.979 |
如表4结果显示，训练集R2为0.991，MSE为0.012，表明模型在训练集上拟合度较高且预测误差较小。进一步分析认为，这一表现可能受以下因素影响：(1) 训练集样本量有限且经PCA降维后信息高度集中，使得模型能够较充分地学习数据特征；(2) 部分自变量与因变量呈近似单调或线性关系；(3) 降维过程有效压缩了噪声与冗余信息，降低了拟合难度。虽然测试集R2依然达到0.979，说明模型在新样本上的预测能力较为稳健，但本研究在讨论中指出，仍需警惕一定的过拟合可能。建议后续研究增加样本规模、引入正则化项(如L2惩罚)或适当减少迭代次数，并在更多独立样本中进行验证，以进一步提升模型的泛化性能。
该梯度提升树(GBDT)回归模型在处理问卷数据方面表现优异，能够精确预测消费者的购买行为与市场需求，提升整体运营效率，降低市场风险，为产品销售环节提供可靠的理论销量指导。在实际应用中，农户可以利用该模型的结果来优化销售策略，调整定价；企业则需加大技术投入开发适应直播市场热点的新产品和打造网络直播品牌账号，拓宽销售渠道。与此同时，模型必须不断收集市场信息，进行动态调整。
5.4.3. 消费者对新媒体平台内容倾向分析
图6调查结果显示，信誉是直播助农的无形资产，真实可信的扶贫助农直播内容对观众的吸引力大，其在塑造农产品牌方面具有不可替代的作用。同时，消费者更倾向于选择符合自身喜好的视频内容。启示我们在创作直播带货内容时，必须坚持真实性与创新性的统一，通过情境化、差异化和互动化的叙事表达来增强观众的满足感和认同感，从而更好地匹配市场需求，推动农产品销售量的增长和品牌的长期发展。
Figure 6. Consumers’ content preference analysis on new media platforms
图6. 消费者对新媒体平台内容倾向分析图
6. 新媒体对农户生活的影响分析
本次调查的第三份问卷基于“新媒体对农户生活影响情况”专项调研，共发放911份问卷，收集有效问卷830份。研究聚焦智能设备普及背景下，新媒体技术对农业生产、销售模式及日常生活产生的多维影响。问卷设计涵盖受访者基础信息(性别、年龄、从业年限、学历、收入)、数字化基础设施配备(智能设备持有率、网络覆盖程度)以及新媒体应用现状(直播销售、线上培训、数据分析能力)三大核心模块。通过系统分析农户在商品展示、内容创作、售后服务等线上销售环节的实际表现，同时考察新媒体对物质消费、社会交往、知识获取等生活场景的渗透程度，旨在客观呈现农村群体的技术适应情况，为推进农产品营销数字化转型提供数据支撑。
6.1. 电商核心能力描述性统计
对赣南地区农户在新媒体应用中的关键能力与日常生活应用情况进行统计与分析，图7展示了六个核心能力维度的具备比例与短板比例，从销售流程到数据分析，基本覆盖了新媒体运营的全链条。
Figure 7. Chart of e-commerce core competencies of farmers in southern Jiangxi
图7. 赣南农户电商核心能力具备图
从整体来看，熟悉销售流程是当前最薄弱的环节，仅有近一成的农户能够熟练运用新媒体完成从产品上架、客户沟通到成交的全流程，需要农户积极学习新媒体销售知识，同时也依赖有关部门加强培训指导。而在直播能力方面，问题更为突出。八成的农户从未接受过系统培训，导致直播内容缺乏专业性与互动性；同时，近半数的农户直播设备配置不完善，一台简易的手机就是全部直播工具，这直接影响到产品展示效果与产品销售。此外，数据解读能力有限，阻碍了农户针对市场需求做出有效调整，同质化的视频内容加剧了相互竞争，售后服务无法得到保障也制约了产品的回购。
这些结果揭示出一个核心矛盾：硬件和网络基础设施的普及并未同步带动运营能力的提升。当前，赣南农户在新媒体应用中呈现出“硬件条件基本到位、软件能力普遍滞后”的结构性特征。这不仅使得部分农户在数字化竞争中被动应对，也限制了新媒体赋能赣南乡村产业振兴。亟需在技能培训、设备升级等方面进行系统化优化，以推动农户从“会用”走向“用好”，最终实现乡村振兴的高质量发展。
6.2. 电商核心能力相关性分析
6.2.1. Pearson相关分析检验
为进一步探究赣南农户在新媒体应用中的能力结构特征及其与电商人才特征的关系，本研究构建了多元线性回归模型，以“是否具备电商人才特征”为因变量，将接受培训、设备完善、售后服务、内容创作、数据分析和流程熟悉六个关键能力作为自变量，通过Pearson相关分析检验影响用户电商销售活动各种能力之间的相关关系(见表5)。
如表5，Pearson相关性分析结果表明，赣南农户在新媒体运营的不同能力维度之间在部分关键环节表现出一定的统计显著性。首先，直播培训与设备完善呈现显著正相关(r = 0.072, P < 0.05)，这说明接受过培训的农户往往在硬件配备上也更为完善，可能源于培训过程不仅传授技能，也引导了硬件升级的意识。其次，流程熟悉与售后服务能力存在显著正相关(r = 0.081, P < 0.05)。熟悉销售全流程的农户更有能力解决售后问题，其原因可能在于流程认知涵盖了售后环节的处理规范，从而带动了售后能力的提升。
Table 5. Pearson correlation analysis
表5. Pearson相关分析检验
|
|
直播培训 |
设备完善 |
售后服务 |
内容创作 |
数据分析 |
流程熟悉 |
直播培训 |
皮尔逊相关性 |
1 |
0.072 |
−0.017 |
−0.007 |
−0.014 |
−0.035 |
|
sig.(双尾) |
|
0.029 |
0.600 |
0.844 |
0.680 |
0.286 |
设备完善 |
皮尔逊相关性 |
0.072 |
1 |
−0.005 |
0.009 |
0.021 |
−0.056 |
|
sig.(双尾) |
0.029 |
|
0.885 |
0.788 |
0.534 |
0.094 |
售后服务 |
皮尔逊相关性 |
−0.017 |
−0.005 |
1 |
0.019 |
0.015 |
0.081 |
|
sig.(双尾) |
0.600 |
0.885 |
|
0.559 |
0.661 |
0.015 |
内容创作 |
皮尔逊相关性 |
−0.007 |
0.009 |
0.019 |
1 |
0.032 |
−0.011 |
|
sig.(双尾) |
0.844 |
0.788 |
0.559 |
|
0.333 |
0.740 |
数据分析 |
皮尔逊相关性 |
−0.014 |
0.021 |
0.015 |
0.032 |
1 |
−0.043 |
|
sig.(双尾) |
0.680 |
0.534 |
0.661 |
0.333 |
|
0.193 |
流程熟悉 |
皮尔逊相关性 |
−0.035 |
−0.056 |
0.081 |
−0.011 |
−0.043 |
1 |
|
sig.(双尾) |
0.286 |
0.094 |
0.015 |
0.740 |
0.193 |
|
总体来看，该结果揭示了两个问题：一是培训不仅是技能提升的直接途径，还可能带动硬件和运营条件的整体改善；二是销售流程认知在串联前端营销与后端服务中具有桥梁作用。然而，整体相关性水平偏低反映出当前农户的能力体系尚不成熟，亟需通过系统性培训与多维度能力建设，打破技能孤立、实现全链条运营能力的协同发展。
6.2.2. 构建多元线性回归模型
建立回归模型来探究用户电商销售能力各个维度与是否为电商人才之间的关系。方程如下：
在方程中Yi为因变量，表示是否为电商人才，Xi为自变量，表示各种电商能力，包括熟悉新媒体销售流程、接受专业培训、电商设备等方面内容。bn为回归系数，b0为常量。
Table 6. Analysis of variance table
表6. ANOVA表
|
平方和 |
自由度 |
均方 |
F |
显著性 |
回归 |
125.915 |
6 |
20.986 |
193.684 |
0.0003 |
残差 |
97.949 |
904 |
0.108 |
|
|
总计 |
223.864 |
910 |
|
|
|
表6展示了回归分析的方差结果，可以看到这个模型是显著的(F = 193.684, P < 0.001)，说明回归分析的结果是良好的。从表中可以看到各个变量的VIF < 10，说明各个变量之间不存在共线性。由于各个变量显著性均小于0.001可以看出各个变量均对是否具备电商人才的基本能力有显著影响。
Table 7. Table of coefficients
表7. 系数表
模型 |
B |
标准错误 |
Beta |
t |
显著性 |
容差 |
VIF |
(常量) |
3.445 |
0.103 |
|
33.295 |
0.000 |
|
|
接受直播培训 |
−0.292 |
0.029 |
−0.222 |
−10.044 |
0.000 |
0.993 |
1.007 |
直播设备完善 |
−0.291 |
0.022 |
−0.293 |
−13.267 |
0.000 |
0.992 |
1.009 |
售后服务能力 |
−0.390 |
0.022 |
−0.392 |
−17.749 |
0.000 |
0.993 |
1.008 |
内容创作能力 |
−0.371 |
0.023 |
−0.357 |
−16.206 |
0.000 |
0.998 |
1.002 |
数据分析能力 |
−0.317 |
0.037 |
−0.187 |
−8.491 |
0.000 |
0.996 |
1.004 |
熟悉销售流程 |
−0.312 |
0.022 |
−0.308 |
−13.930 |
0.000 |
0.987 |
1.013 |
a.因变量：是否具备电商人才的基本能力，b.自变量的回归系数分别为−3.08、−2.22、−2.93、−3.57、−3.92，−1.87。
表7回归结果显示，模型整体显著(F = 193.684, P < 0.001)，且所有自变量在0.001显著性水平下均通过检验，方差膨胀因子(VIF)均小于10，表明不存在严重多重共线性问题。这意味着该模型能够较好地解释能力维度对电商人才特征的影响。
在各能力变量中，熟悉新媒体销售流程、接受系统培训与设备完善程度的标准化回归系数相对较高，表明这三项是农户迈入数字化运营门槛的关键因素。缺乏对销售流程的整体认知，将直接限制农户整合新媒体资源的能力；未接受培训的群体，即使拥有硬件条件，也难以形成规范化、策略化的线上运营模式；设备不完善则在根本上制约了直播呈现质量与用户互动体验，从而影响营销转化。
与此同时，内容设计、售后处理和数据分析虽然在系数排序上略低，但其作用不容忽视。内容设计能力不足会削弱品牌差异化与产品吸引力；售后处理环节薄弱不仅影响客户满意度，还可能降低复购率与口碑传播效果；数据分析能力的缺失，使得农户在决策中难以依赖客观反馈，导致营销策略无法实现持续优化。这三者共同构成了农户成为电商人才的核心。
综合来看，回归分析揭示出农户在新媒体应用中的能力是一个相互支撑的体系，既需要“门槛性能力”即销售流程、培训、设备，来确保进入数字化运营轨道，也需要“发展性能力”即内容设计、售后、数据分析能力来维持和扩大竞争优势。当前，赣南农户在这两类能力上均存在结构性短板，尤其是在系统培训覆盖率低与数据分析应用不足方面，已成为制约其从会用走向用好的关键瓶颈。回归模型也集中体现了大部分电商人才是依靠电商关键能力的培训，后天形成的。在赣南政策的支持下，涌现了华农兄弟、魏兴华、“橙小妹”唐洁茹等诸多农产直播能手[7]，为新媒体赋能赣南乡村振兴提供了能动的有生力量。因此，未来的政策与培训设计应在强化入门能力的同时，构建覆盖运营全链条的能力提升体系，以实现数字赋能的长期效益。
7. 结果分析
综上研究发现，新媒体在赋能赣南乡村振兴中具有着独特作用，但在赣南乡村新媒体实际落地过程中，还存在着品牌知名度不高、新媒体运用率低、直播助农专业人才缺乏等一系列主体客体障碍。新媒体技术对农户生活具有双重影响，数字技术普及既带来的变革性机遇，也暴露出农户实际应用能力层面的结构性矛盾。
7.1. 品牌知名度不高
在互联网直播品牌的建设与市场营销上，赣南地区知名度不高，农业品牌建设滞后，宣传模式单一，市场竞争力弱。赣南地区虽然拥有丰富的农产品资源，但在品牌建设方面却相对滞后，消费者对赣南地区以及其产品鲜有了解，经调研发现，54.11%的消费者对赣南地区了解程度不高。赣南脐橙等本土品牌传播范围局限于江西及周边省份，难以实现优质优价。在第三届赣南脐橙推介会上赣南脐橙协会秘书长谢房忠曾透露：“重庆市销售的赣南脐橙9成是假冒。”[8]假冒伪劣更是为赣南脐橙品牌建设雪上加霜。
7.2. 新媒体运用率低
赣南乡村振兴中新媒体技术运用存在着“硬件超前、软件滞后”的突出矛盾。数据显示，智能设备覆盖率(83.97%)与网络基建完善度(73.44%)已形成数字化转型的基础支撑，但近半数农户从业设备不全，仅有10.1%的农户真正掌握新媒体销售技能，82.99%的从业者缺乏专业培训，60.26%无法分析销售数据，表明传统农户向数字化新农人转型存在显著能力断层。此外，以赣南地域文化与农产品为创作内容的优质对标账号数量不多，多数账号制作者为村民本人，受文化水平以及有限营销知识的约束，许多视频的拍摄手法单一，大量的平铺直叙易让消费者产生视觉疲劳，对作为消费主力军的年轻人没有吸引力，束缚了互联网对农产品营销的推动力。同时直播同质化严重，农户没有设计出最适合自己的营销手段，只是盲目地跟风和一味地模仿[9]，农产品吸引力低进而面临滞销困境。
7.3. 直播助农人才少
赣南地区相关专业直播人才缺乏，主播影响力不足，产业发展缺乏动力。调研数据显示，2024年赣州农产主播规模在100~499人的企业有一定数量但规模远远小于大城市，抖音直播助播岗位大部分月薪在4500元至6000元之间，对比赣州平均工资处于较低水平，这可能导致一些追求高收入的人才流向薪酬更有吸引力的地区，暴露了数字化转型中的马太效应风险。此外，基层农业技术推广人员中四分之一人员没有技术职称，35岁以下人员只占20%，人才的缺失不仅影响了农业技术的推广和应用，也限制了农产品营销和品牌建设的能力。赣南大部分地区的农村年轻劳动力大量外出务工，“数字下乡”面临着高流动性与乡村空巢社会的形成所带来的乡村“双重老年化”问题[10]。留守农村的多为老年人和儿童，很多农户对直播电商的了解和掌握程度有限，导致农村产业发展缺乏活力和创新动力，难以有效地开展直播销售活动。
8. 对策建议
新媒体赋能赣南乡村振兴需要构建“打造优质地理品牌–培育本土数字农人–引进外部助农人才”三位一体的有机体系，开发适配农村场景的简易化直播工具，建立有效的数字能力传导机制，从而在基础设施普惠的基础上，实现数字红利的实质性渗透。
8.1. 打造优质地理品牌
发展乡村特色产业，要积极推进赣南品牌建设。首先要保证赣南农产品质量，推广RFID (射频识别)与区块链技术[11]，实现产地到全程可视化管控，提高赣南地理品牌的信誉度。其次，针对市场上出现假冒伪劣、恶性商品挤兑等不利于产品的品牌建设和长期发展的现象，各方应协作形成维权合力。一方面，当地政府各级市场监督管理局、果业局、公安局等部门应加强检查，对未经商标注册人许可、擅自使用赣南脐橙地理标志证明商标、或使用与赣南脐橙地理标志证明商标近似的违法行为进行打击。另一方面，要进一步完善相关法律法规，积极推进相关农产品保护立法工作。2024年1月1日赣州市首部关于优势特色产业保护的地方性法规《赣南脐橙保护条例》正式施行，为赣南脐橙产业法治化建设提供了制度保障[12]。还要坚持畅通消费投诉举报渠道，优化消费环境，提升果品生产者的守法、诚信意识，引导农户共建共治，同心保护品牌。
此外，还要讲好品牌故事，加大赣南特色农产品品牌宣传力度，如赣南地区极具有代表性的赣南脐橙，坚持办好赣南脐橙节会、组织承办中国柑桔学会年会等活动，充分利用网络、电视、新媒体、展会等各类平台，举办赣南脐橙国际博览会，多角度、多层次宣传赣南脐橙品牌[13]。激发生产者、销售者在品牌建设上的潜力，不仅要打造赣南的农产品牌，更要提高品牌知名度。
8.2. 培育本土数字农人
针对当前农户在新媒体运用中普遍存在的技能不足与能力断层问题，应建立系统化、分层分类的数字化能力培养体系，大力培养“数字农人”。乡村要广泛吸引年轻人才，依托新媒体平台唤醒离乡群体情感认同，且利用新媒体助力乡村振兴的ContentsVIP模型，即1个内容中心(C: Contents) + 1条价值链(V: Values chain) + 1条利益链(Interests chain) + 4条路径(P: Paths) [14]。以数字农人为核心主体，以内容为中心，以新媒体平台为关键媒介，发挥新媒体平台的能动作用，与多元主体形成互动生态，开发特色产品，打造特色主播形象，提高粉丝黏性。
有关部门可对农民进行分级教学，性格开朗的农民可以培育成“野生主播”，相对内敛的农民可以参与直播的幕后工作，通过发布文字、图片、视频等形式进行宣传销售，给乡村增添活力。还可加强与地方高校的合作，对于农村生源和有意扎根乡村就业创业的学生群体，探索建立“校内教师 + 行业带教”相结合的导师组培养模式，打造特色鲜明的实践创新型教学团队，以产教融合引导青年就业创业[15]。
8.3. 引进外部助农人才
针对直播助农人才少的现状，在培育本土人才的同时，还应积极引入外部专业力量。地方可通过打造“农户 + 主播 + MCN机构”全面协同的农村直播电商团队，助力小农户、农村主播等力量有机融入直播电商生态圈[16]。引进具有行业影响力的主播、运营团队及品牌策划人才，直接参与当地农产品的推广销售，如瑞金九堡镇邀请百万博主全哥，在密溪村果园开展直播助农活动，获得网友们的一致好评，观看人数最高突破了8万人次，直播首日销售量就突破了3500余箱近5万斤[17]。与此同时，还需完善直播助农人才的激励机制，针对长期引进还可实施一定的住房补贴政策，以诚意吸引外部人才，让外部人才愿意来、留得住，避免人才流失。
9. 结语
新媒体在乡村振兴过程中发挥了巨大的作用，也仍存在着有待开发的潜力，但是也面临着诸多挑战。新媒体以其载体不限、传播广泛的优势，打破了地域与人群之间的鸿沟，使农产品信息变得更透明，传播更加广泛。同时还促进了农产品的销售渠道扩大，有利于乡村产业发展、农民增收，为乡村全面振兴注入新动力。新媒体产业目前仍处于成长期，既有广阔的市场发展前景，也有巨大的消费需求，是推进乡村三大产业融合发展，促进乡村振兴的重要手段。但是，新媒体与赣南乡村特色产业的融合发展也存在多种问题，因而必须立足本地资源，因地制宜发展农业新质生产力，同时要加大力度确保新媒体技术落地，坚持科学编制发展规划、提供有效制度保障，促进乡村特色产业创新和乡村全面振兴。
基金项目
2024年国家级全国大学生创新创业训练计划项目《昭昭互联，赣行万里——“短视频 + 直播 + 电商”助农模式赋能赣南地区乡村振兴》(202410407046X)。